Co oznacza parametr "classwt" w funkcji RandomForest w pakiecie RandomForest w języku R?

Question

Strona pomoc dla randomforest::randomforest() mówi:

„classwt - Przeorzy klas nie muszą sumować się do jednego ignorowana dla regresji.”.

Czy ustawienie parametru classwt może pomóc w przypadku dużych niewyważonych danych, np. priors klas różni się mocno?

Jak ustawić classwt podczas szkolenia modelu na zestawie danych z 3 klasami z wektorem wektorów równym (p1, p2, p3), a w zestawach testowych priors to (q1, q2, q3)?

Answer 1

można ustawić pomoc parametru classwt, gdy masz ciężkie niezbalansowane dane - priors klas różni się mocno?

Tak, ustawienia wartości classwt mogą być przydatne w przypadku niezbalansowanych zestawów danych. Zgadzam się z Jororem, że wartości te są przekształcane w prawdopodobieństwa do pobierania próbek danych treningowych (zgodnie z argumentami Breimana w jego oryginalnym artykule).

Jak zestaw classwt gdy w zbiorze treningowym z 3 klas masz wektor priors równy (P1, P2, P3), aw teście zestaw priors są (Q1, Q2, Q3)?

Na szkoleniu można po prostu określić

rf <- randomForest(x=x, y=y, classwt=c(p1,p2,p3)) 

Do testu ustawiony żaden priors można stosować: 1) nie ma takiej opcji w predict metody pakietu lasy losowe; 2) wagi mają sens jedynie w odniesieniu do szkolenia modelu, a nie do przewidywania.